Python 如何在Pandas中获取groupby之后的列计数百分比

我试图得到数据列表中每个名字的等级分布。 然而，我不知道如何计算每个等级在其等级组中的比例/百分比。下面是一个例子：

df.head（）

我使用

grade\u count=df.groupby（['name'，'rank'，'grade']）.['grade'].size（））

给出其（name，rank）组中每个年级的计数：

现在，对于计算的每个大小，我想得到它在（姓名、等级）组中的比例（即等级在等级、系统中的比例）这是我想要的输出：

name    rank    grade
Bob     1       A     2    0.5   (Bob @ rank 1 had 4 grades, and 50% of them are A's)
                B     1    0.25
                C     1    0.25
        2       B     1    1
        3       C     1    1
Joe     1       C     1    1
        2       B     2    1
        3       A     1    0.33
                B     2    0.66

我通过使用

rank\u totals=grade\u count.groupby（level[0,1]）.sum（）

获得了每个排名组的总数，结果是：

name    rank    
Bob     1       4
        2       1
        3       1
Joe     1       1
        2       2
        3       3

---

如何将

grade\u count

中的数字除以

rank\u totals

中相应的排名总数？

按名称和排名级别对数据进行分组，并使用

transform

获取系列的总数并将其广播到整个系列。使用该序列分割当前序列：

grade_count.groupby(level = [0,1]).transform(sum)
Out[19]: 
name  rank  grade
Bob   1     A        4
            B        4
            C        4
      2     B        1
      3     C        1
Joe   1     C        1
      2     B        2
      3     A        3
            B        3
dtype: int64

grade_count / grade_count.groupby(level = [0,1]).transform(sum)
Out[20]: 
name  rank  grade
Bob   1     A        0.500000
            B        0.250000
            C        0.250000
      2     B        1.000000
      3     C        1.000000
Joe   1     C        1.000000
      2     B        1.000000
      3     A        0.333333
            B        0.666667

欺骗：

name    rank    
Bob     1       4
        2       1
        3       1
Joe     1       1
        2       2
        3       3

grade_count.groupby(level = [0,1]).transform(sum)
Out[19]: 
name  rank  grade
Bob   1     A        4
            B        4
            C        4
      2     B        1
      3     C        1
Joe   1     C        1
      2     B        2
      3     A        3
            B        3
dtype: int64

grade_count / grade_count.groupby(level = [0,1]).transform(sum)
Out[20]: 
name  rank  grade
Bob   1     A        0.500000
            B        0.250000
            C        0.250000
      2     B        1.000000
      3     C        1.000000
Joe   1     C        1.000000
      2     B        1.000000
      3     A        0.333333
            B        0.666667